En ocaciones el circulo de su cara no deja ver bien lo que está escribiendo.
Recursos
Resumen
Aprender a implementar la detección de rostro y de sonrisa en una cámara de selfies es el objetivo central de esta práctica, donde por fin verás el recuadro dibujado sobre tu cara cuando la cámara te reconoce. Es contenido ideal para quienes desarrollan apps con el kit de machine learning de Huawei y quieren automatizar la toma de fotos según la sonrisa del usuario.
¿Cómo defines la probabilidad de sonrisa que activa la cámara?
Todo empieza con dos variables que controlan el comportamiento de la cámara. La primera es smilingPosibility, que recibe un valor de 0.95. Ese número representa un porcentaje: es el umbral que tu cámara usa para decidir si debe tomar o no la foto cuando detecta que estás sonriendo.
¿Por qué 0.95 y no otro valor? Según la documentación, ese es el punto más efectivo para capturar la foto cuando realmente estás sonriendo. El valor puede oscilar entre el 80% y el 99%, pero quedarse en 0.95 ofrece el mejor equilibrio [00:30].
¿Qué valor conviene usar para la probabilidad de sonrisa? Un valor de 0.95 es el recomendado por la documentación de Huawei. Puedes moverte entre 0.80 y 0.99, pero 0.95 captura la foto de forma confiable cuando sonríes de verdad.
La segunda variable es saveToTakePicture, que funciona como bandera de seguridad. Dependiendo de tus posibilidades de sonrisa, esta variable le dice a la cámara si es seguro o no tomar la foto [01:12].
¿Cómo creas la función que analiza el rostro individual?
El siguiente paso es sacar el analyzer del Lens Engine y encapsularlo en una función privada llamada createFaceAnalyzer. Esta función se encarga de analizar dos cosas: si entras dentro de las posibilidades de sonrisa y si estás muy cerca de la cámara en modo grupo. Aquí nos enfocamos en lo individual [01:50].
Dentro de la función configuras los settings del análisis facial con estos parámetros:
- El tipo de características con
setFeatureTypeapuntando a los keypoints. - La proporción mínima de cara en 0.1F.
- El tracking allowed en
true, para que el lente no siga el rastro cuando la cámara se mueve.
Después de armar esos settings, le pides al factory que cree el analizador con getInstance y getAnalyzer, pasándole tus configuraciones [02:40].
¿Qué hace el MLMaxSizeFaceTransactor?
Cuando el detectMode es igual a 1003, significa que estás tomando la foto individual. Dentro de esa validación creas un transactor, una pieza que forma parte del kit de machine learning de Huawei. El MaxSizeFaceTransactor recibe tu analizador y la probabilidad de sonrisa que ya configuraste [03:20].
¿Qué es un transactor en ML Kit de Huawei? Es el componente que recibe el analizador facial y procesa los resultados de la detección. Entrega el objeto
facecon los datos de cada rostro reconocido para que valides sonrisa, posición o emociones.
Al crearlo con el patrón creator, le pasas el analizador y un objeto de tipo resultado. Ese objeto face es donde traes el resultado de la validación para decidir qué hacer.
¿Cómo dibujas el recuadro sobre el rostro detectado?
El primer callback que sobreescribes es createCallback, que recibe dos variables: un itemId y un objeto obj. Dentro de él, tu overlay se limpia y luego verificas si el objeto es nulo o no [04:15].
Si el objeto es nulo, no retorna nada, lo que significa que no está reconociendo una cara. Pero si hay rostro, entra en acción el LocalFaceGraphic, la clase que pinta el recuadro que creaste en clases anteriores. Esta recibe el overlay, el objeto obj y un contexto, que en este caso es tu actividad [04:50].
Luego agregas ese gráfico al overlay con overlay.add para que el recuadro aparezca sobre la cara.
¿Cómo validas la sonrisa para habilitar la foto?
Aquí viene lo interesante. Creas una variable emotion que accede a las emociones que detecta Huawei a través del objeto cara. La lógica es directa:
- Si la probabilidad de sonrisa de la emoción es mayor que la
smilingPosibilitydeclarada, la cámara debe tomar la foto. - En ese caso, pones
saveToTakePictureentrue. - Esa variable queda accesible para que otros callbacks la consulten.
Después de esta validación, el flujo continúa agregando más callbacks para manejar actualizaciones y pérdidas de conexión [05:40].
¿Qué otros callbacks necesitas para controlar la cámara?
Un solo callback no basta. El reconocimiento facial en tiempo real requiere manejar varios estados de la cámara, y cada uno tiene su propia función sobreescrita.
El objectUpdateCallback cubre el caso en que necesitas tomar la foto nuevamente. Reutiliza el mismo código del gráfico, pero agrega la condición de si es o no factible tomar la foto usando saveToTakePicture [06:30].
Los otros dos callbacks completan el ciclo:
- El de pérdida de conexión limpia el overlay cuando la cámara se desconecta.
- El
onCompletecompleta el llamado de la cámara y también limpia el overlay.
Por último, le dices al transactor que se cree con createTransactor y al analyzer que agregue ese transactor. Con eso queda lista la validación del rostro individual [07:20].
¿Por qué el recuadro se dibujaba mal al compilar?
Al probar la aplicación aparece un detalle revelador. Compilas, instalas, autorizas el inicio de sesión con Huawei y pides a la persona más cercana que sonría. El cuadro se pinta, pero queda mal dibujado.
Revisando el LocalFaceGraphic encuentras un error de typo: estabas llamando el eje Y tres veces. La corrección es simple pero necesaria [08:50]:
- Llamar el eje X dos veces.
- Llamar el eje Y dos veces.
Después de corregirlo y volver a compilar, al pedir de nuevo que la persona más cercana sonría, el recuadro aparece bien pintado sobre el rostro. Antes de registrar el onCreate y el startPreview, recuerda agregarles el faceAnalyzer para que la detección funcione.
El siguiente paso natural es la validación de sonrisa grupal, que amplía esta misma lógica a varios rostros. ¿Ya probaste ajustar el valor de smilingPosibility en tu propia app? Cuéntame en los comentarios qué porcentaje te funcionó mejor.